AI选品

这篇不讲"选什么品"。选什么品是市场端的事，站内的 AI 选品工作流 已经讲透了。这篇只讲选品定了之后的那一半：货源在哪、供应商怎么评、报价怎么比、风险怎么提前写出来。 很多人卡在这里的原因很实在：选品报告做得漂亮，一到 1688 上打开二十个店铺，全是"源头工厂"“厂家直销"“支持定制”，看起来一模一样。你没法判断哪个是真工厂哪个是贸易商，也没法把五份格式各异的报价放到一张表里比。这一段的工作量不在"找”，而在"整理和比对"——恰好是 AI 最能替你干的活。而真正需要你亲自做的，是打样、验厂和谈判，AI 一步也替不了。 下面这套流程按顺序走一遍，从需求成文到锁定 2 家打样，大概占掉你两三个晚上，比在旺旺上散着问一个月靠谱。 先想清楚：供应端调研到底要查哪几件事 在打开任何平台之前，先把要查的东西列成固定几项。不固定下来，你问每家供应商的问题都不一样，最后拿回来的信息没法横向比。 对亚马逊卖家来说，供应端调研只有这六项是刚需： 身份：是工厂还是贸易商？贸易商不一定不能用，但价格结构和改模能力完全不同。 产能与交期：正常批量交期多少天，旺季会不会排不上。 MOQ 与阶梯价：起订量卡在哪个数，量级往上跳一档能便宜多少。 合规资质：目标站点要的认证、材质报告、你上架要用的发票能不能开。 品控方式：出货前谁验、验什么、出问题怎么算。 可替代性：这个品还有几家能做？只有一家能做的品，议价权全在对方。 这六项就是你后面所有 Prompt 的骨架。先抄下来。 第一步：让 AI 把你的需求写成一份「询价规格书」 新手最常见的错误是直接在旺旺上问"这个多少钱"。对方回一个价，你既不知道含不含税、含不含包装，也不知道对方按什么规格报的。等打样回来发现材质不对，时间已经过去两周。 正确做法是先有一份规格书（RFQ），把同一份文字发给所有候选供应商。AI 在这一步的作用是把你脑子里模糊的产品概念，翻译成对方车间能看懂的参数表。 你是一位有 10 年经验的跨境电商采购经理，帮我准备一份发给中国工厂的询价规格书（RFQ）。 我的产品：【在这里写产品名 + 你在亚马逊上看到的竞品链接或图片描述】 销售平台：亚马逊美国站，FBA 发货 首单预算量级：【填数量区间，例如 300-500 件】 请输出一份可以直接粘贴给供应商的中文询价函，包含： 1. 产品基本规格（材质、尺寸、重量、颜色、结构）——凡是你不能从我的描述里确定的参数， 不要替我填，列成【待确认】并说明为什么这个参数会影响报价。 2. 包装要求（内包装、外箱、是否需要 FBA 标签位置）。 3. 必须让对方明确回答的问题清单：MOQ、阶梯价（分 3 档）、报价是否含税、 打样费与打样周期、正常交期、旺季交期、是否可开增值税发票。 4. 我需要对方提供的文件清单（营业执照、相关检测报告、材质证明）。 输出格式：一份完整的询价函正文 + 一个【待确认参数】表格。 不要写客套话，不要承诺我没说过的订单量。 那句"不能确定的参数不要替我填"是关键。AI 很乐意帮你把"304 不锈钢、厚度 0.8mm"这种听起来专业的参数编出来，而你根本没定过——带着编造的参数去询价，报价回来全是错的。同一个坑在数据侧也存在，参见 AI 给的选品数据怎么验。 ...

本文包含联盟链接：通过文中链接注册或购买，我们可能获得佣金，不影响你的价格，也不影响我们的结论。价格信息以 2026年8月1日 实查为准。 很多中国卖家问 SellerApp 怎么样：选品、关键词、Listing 打分、PPC 自动化一个后台全包，还带一个不要信用卡的免费档，听着像一份钱办三件事。 结论先摆出来： SellerApp 的免费档能当选品浮层用，但当不了广告优化工具。2026年8月1日实查官方定价页，Freemium 档的 Listing Quality、PPC Insights、Ads Automation 三项全是叉。 它主打的 AI 自动出价，最低要买到 Smart 档。$99 的 Pro 档同样不含 Ads Automation，这是选型最容易看错的一处。 公开差评里最狠的那几条，骂的是它的代运营服务，不是软件本身。这两件事要分开看，否则你会因为别人的托管服务体验，放弃一个自助端还行的工具。 SellerApp 怎么样：先分清它的两门生意 SellerApp 同时做两门生意：自助软件（选品、关键词、Listing 质量分、广告数据与自动化，卖订阅）和托管代运营（它的团队接手你的广告账户，按月收费）。网上看到的口碑往往是两门混在一起的结果。本文只评第一门，也是中小卖家真正会买的那门。 2026年8月1日实查：四档定价与每档的真实边界 以下取自 SellerApp 官方定价页 自助平台（Self Serve Platform）标签页，2026年8月1日实查： 档位 月价（官方标注） 这一档新增什么 这一档仍然没有 Freemium $0，无需信用卡 Product Intelligence、Advertising Overview、Campaign Manager Listing Quality、PPC Insights、Ads Automation Pro Plan starts with $99 / 月 Insights、Keyword Tracking、Listing Quality、邮件支持 Ads Automation Smart Plan with Automation starts with $149 / 月（原价 $250 划线） Ads Automation、季度业务复盘、邮件+在线客服 专属客户经理、定制开发 Custom 需洽谈 数据仓库、定制开发、方案专家、VIP 支持 — 三个价格细节： ...

你打开一个趋势图，输入品类词，曲线一路往上——然后呢？多数人到这步就停了：截个图发进群，说一句"这个方向在涨"，回头还是照老办法翻竞品。亚马逊趋势数据的难点从来不是拿不到，而是拿到之后不知道怎么读。曲线在涨，可能是需求真的起来了，也可能只是某条短视频火了三天；一个词搜索量翻倍，可能是机会，也可能是五十个卖家已经挤进去把价格打穿了。 先把结论摆在前面，全文都在展开这三句： 第一，先分清你看的是哪一类趋势数据——三类数据口径完全不同，混着看必然读错。 第二，看曲线形态，别只看方向——同样是"在涨"，四种形态对应四种完全不同的动作。 第三，用一张固定的打分表把趋势换算成分数——凭感觉挑的方向，三个月后你自己都复盘不出当初为什么选它。 本文只写判读方法。工具本身是什么、哪些免费，站内另有跨境电商免费工具盘点；方向定了之后怎么验证具体某个产品，走用 ChatGPT 做亚马逊选品的完整工作流那套流程，这里不重复。 一、先分清你手上的亚马逊趋势数据是哪一类 中文圈说的"亚马逊趋势"和英文的 amazon trends，落到实际操作往往指三样不同的东西。它们都叫"趋势"，能回答的问题完全不是一回事： 数据类型 代表 它能回答 它答不了 站外相对热度 谷歌趋势 这个概念在整体搜索里的占比是升是降、有没有年周期 有多少人搜、这些人会不会在亚马逊下单 站内搜索表现 亚马逊品牌分析 你的品牌相关词被搜了多少、点了多少、加购转化断在哪 你没覆盖到的词、别人的品类全貌 站内需求聚合 亚马逊商机探测器 一个需求簇的搜索量与年增长、竞争密度、评论与退货面 站外正在发酵、亚马逊还没接住的新需求 口径边界比数字本身重要，三点必须记住： 谷歌趋势给的是比例，不是量。 2026年8月1日 实查谷歌官方帮助页，其标准化口径逐字写作 “The resulting numbers are then scaled on a range of 0 to 100 based on a topic’s proportion to all searches on all topics."（数值按该主题占全部搜索的比例，缩放到 0 到 100 区间）。同页另写明 “While only a sample of Google searches are used in Google Trends, this is sufficient because we handle billions of searches per day."——它是抽样数据。所以两个词的 100 不可互相比较，一个词的 100 也不等于搜索量创了历史新高，只等于它在自己这段时间线里占比最高。 ...

款打了，第一批 800 件在海上漂着，收到亚马逊一封邮件：listing 因知识产权投诉被移除。这一步能做的只剩申诉、找投诉方撤诉、认栽清货，每条都比开发一个新品还贵。 先把结论放在最前面：AI 在侵权预检里的角色是初筛员，不是裁判。它能干三件事——把产品拆成可检索的特征、生成去官方库查的关键词与分类号候选、把结果整理成能复查的台账。它干不了最关键的那件：判定你这个产品到底侵不侵权。AI 替代不了权威检索与律师意见：那个判断依赖官方数据库的完整检索结果，以及看得懂权利要求书的人。AI 说"这个产品没有侵权风险"时，那句话的证据价值是零——它没查过任何官方库，只是在生成像结论的句子。 上架后的两种风险另有专文：类目能不能卖看用 AI 预判亚马逊类目审核，文案说法违不违禁看用 AI 扫一遍 listing 违禁词。本篇管更靠前的那一步——这个产品本身，会不会踩到别人已有的权利。 三条线各管什么，先分清楚 很多人把"侵权"当成一个词，实际它是三套独立的法律体系，检索库、判定标准、地域效力都不同。 线 保护的是 选品时的典型踩雷点 谁能给结论 专利 技术方案与产品外观（美国分 utility / design，中国分发明、实用新型、外观设计） 供应商现货的结构、造型撞到有效期内的专利 专业检索机构 + 专利律师 商标 品牌名、logo、标语这类"来源识别标志" 品名/包装/关键词里带了别人的注册商标 商标律师（近似判断有主观空间） 版权 图片、文案、说明书、图案、软件等原创表达 直接拿供应商或竞品给的图与描述上架 版权律师 排查顺序：专利最贵、最难自查、发现最晚，放第一个；商标次之；版权最容易在自己这侧解决（重拍、重写就行）。 AI 在这里能做什么、做不了什么 边界写死了，后面每步才知道能信 AI 到什么程度。 AI 能做（可放心用） AI 做不了（信了就出事） 把产品照片/描述拆成结构化特征清单 判定某项特征是否落入某条权利要求的范围 生成英文检索关键词、同义词、CPC/IPC 分类号候选 确认某专利是否仍在有效期、是否在目标国家有效 把检索结果按"高度相关/擦边/无关"初步归类 判断两个商标近似、两张图实质性相似 整理排查台账、生成给律师的问题清单 给出"可以卖 / 不可以卖"的任何形式结论 还有一条更实际的：AI 给的检索结果，本身不是检索。你问"这产品有没有相关专利"，它返回的专利号很可能是拼出来的——格式对、标题像模像样，去 Google Patents 一搜不存在。AI 报的专利号、商标注册号一律拿到官方库逐个回查，回查不到的直接划掉。 第一步：用 AI 把产品拆成可检索的特征清单 侵权检索检的不是"一个产品"，是"一组特征"。选品时你手上通常只有 1688 的产品图和一段中文描述，先把它翻成检索语言。 ...

本文包含联盟链接：通过文中链接注册或购买，我们可能获得佣金，不影响你的价格，也不影响我们的结论。价格信息以 2026年7月19日 实查为准。 选品工具选哪个，先记住一句话：没有一个工具能替你"选品"，它们只负责给市场"称重"——真实销量、搜索量、价格曲线是它们的活；判断趋势、挖痛点、拆竞品文案、把几个工具的数字交叉验证，是 AI 的活；最后拍板做哪款，是你的活。把这三层分清，你就不会为一个"全能工具"多付几千块。 这也是 2026 年选品工具格局最大的变化：过去大家比的是"谁的数据更全"，现在真正拉开差距的是"你会不会用 AI 把这些数据用透"。一个新手用免费源 + AI，往往比一个只会点付费套件按钮的人选得更准。 下面这份盘点分三层——免费打底、付费称重、AI 搭配——每个付费工具都附了 Chrome 应用商店里的真实用户差评（英文原文转译，标注日期），价格全部 2026年7月19日 当日实查。先看总表，再看细节。 一张总表：选品工具怎么分层用 工具 类型 适合谁 定价（2026-07-19 实查） 主要局限 亚马逊官方商机探测器 免费·官方 已有专业卖家账号的人 免费 需专业销售账号、只覆盖开通站点 Keepa 免费·历史数据 所有人（价格/BSR 曲线） 插件免费，数据导出等付费 不给销量估算、需自己解读曲线 卖家精灵 SellerSprite 免费档·中文 国内新手、中文界面党 有永久免费档（每日有限次查询） 免费额度小、深度功能要付费 Jungle Scout 付费套件 认真做私标的中小卖家 年付约 $348/年起（约合 $29/月，月付约 $49/月） 贵、销量估算被吐槽不稳、无免费试用 Helium 10 付费套件 想要全家桶的中大卖家 Platinum 年付 $99/月、Diamond 年付 $279/月；有免费档 贵、小卖家用不满、插件催评烦 AMZScout 付费套件 想要便宜入门套件的人 Seller’s Bundle $59.99/月起（年付约合 $33/月） 销量估算准确度被质疑、退订流程被骂 ChatGPT / Claude / Gemini AI 层 每个人都该配 免费档够用，Plus/Pro 约 $20/月 不给真实销量搜索量（会一本正经地编） 记住这张表的读法：上面三行（官方+Keepa+卖家精灵免费档）是"零成本能先跑起来"的底盘，中间三行是"要花钱买数据精度"的加速器，最后一行是"把前面所有数据用透"的大脑。多数新手的正确顺序是从上往下加，而不是一上来就买最贵的套件。 ...

同一个 ASIN，Jungle Scout 说月销 800，另一个工具说 2000，Keepa 的销售排名曲线又给你第三种感觉——到底该信谁？结论先给你：任何单一工具的销量数字都是"估算"而非"实测"，正确用法不是挑一个信到底，而是把多个来源摆在一起做交叉验证，取重叠区间、标注置信度，再拿这个区间去做决策。 这篇只讲选品流程里"数据验证"这一个环节：数据打架时，怎么用 AI 帮你判断该信谁、给出一个你敢下注的置信区间。 先把边界摆前面：AI 在这件事上负责"把几个来源的数字并排比对、算出重叠区间、标出矛盾点让你复核"，它替不了的是"去核实原始数据本身对不对"——它只能推理你喂给它的数字，喂错了它照样一本正经地算。 这篇讲的是合规的公开数据交叉分析，不涉及任何刷单、改单、伪造后台的玩法。整套选品 SOP 不在这篇展开，那是用 AI 做亚马逊选品的完整工作流的活；这篇专治"数据到手了但几个来源对不上"。 为什么销量数据总在打架 想用好交叉验证，先得明白这些数字为什么天生对不齐。搞清根因，你才知道该信哪个、在什么场景下信。 第一，几乎所有第三方销量都是"从 BSR 反推"的估算，不是真实成交。 亚马逊只公开销售排名（BSR），不公开具体销量。工具做的事是：拿历史上"某类目某 BSR 对应大概多少销量"的样本建个模型，再用你查的 ASIN 的 BSR 去套。有卖家直接问过 Jungle Scout 怎么算月销，得到的回答是"we calculate it from BSR and thats it"（Jungle Scout 用户评论，Chrome Web Store，2024-04-23）——模型不同、样本不同，出来的数就不同，这是估算的本质，不是哪家"算错了"。 第二，类目和站点差异会放大误差。 BSR 到销量的换算关系每个类目都不一样，冷门类目、新品、变体多的 listing，样本稀薄，估算偏差最大。有用户实测把工具数据和亚马逊后台一对，“when we compare jungle’s data and amzon sale data, it is also mismatch”（Jungle Scout 用户评论，Trustpilot，2025-10-31）——后台是你自己的真实成交，第三方估算对不上很正常，因为它压根不是同一种东西。 第三，数据有延迟和抽样。 Keepa 这类工具靠爬取快照建历史曲线，抓取有频率、有配额；BSR 本身是滚动排名，一天内都在跳。你上午看的和下午看的能差一截，不代表哪个"坏了"。 第四，也是最要命的——你会拿一个错的数去做重决策。 有人就栽在这上面：“the data is not accurate and I launched a product based on it which failed given the low search volume and sales”（Jungle Scout 用户评论，Trustpilot，2026-07-08）。他不是被工具骗了，是把"一个估算值"当成了"事实"直接开干。交叉验证要解决的就是这件事：不让任何单一估算独自决定你的钱。 ...

做亚马逊的人都被选品折磨过。你盯着 Helium10 的数据库翻几百页，看 BSR、看月销、看评论数，越看越焦虑：热门类目卷得见血，冷门类目又怕没需求。一个人开店，没有团队帮你做市场调研，每天能投在选品上的时间就那么几个小时。更糟的是，凭感觉拍脑袋选出来的品，备货几千美金压进去，三个月后躺在 FBA 仓库里吃仓储费——这种亏，很多中小卖家都吃过。 ChatGPT 这类 AI 工具进来之后，选品这件事的效率确实能提一个台阶。但网上一堆"AI 一键选爆款"的吹捧文章，会把你带沟里。AI 的真正价值不是替你做决定，而是把"找方向"和"做分析"这两件最耗脑力的体力活外包出去，最后拍板的还得是你和真实数据。下面这套工作流，是把 AI 嵌进传统选品流程里的具体做法，每一步都能直接抄。 第一步：用 AI 做市场趋势头脑风暴，找方向 传统选品的第一步最难——你连往哪个方向找都不知道。这时候不要让 AI 直接给你"推荐爆款"，因为它给的要么是已经卷烂的大词（如"瑜伽垫"“保温杯”），要么是它编出来听着很美但根本不存在的需求。 正确用法是把 AI 当成一个会发散思维的市场分析师，让它从人群、场景、痛点三个维度帮你拆方向，而不是直接要产品。 你是一位资深的亚马逊美国站选品分析师，服务对象是预算有限的中小卖家。 我对【宠物用品】这个大类目感兴趣，但不想做红海大词。请帮我做发散分析： 1. 列出这个类目下 8 个细分人群（例如：养老年犬的人、住公寓养猫的人）。 2. 每个人群，写出他们 2-3 个尚未被很好满足的具体痛点。 3. 针对每个痛点，提出 1-2 个可能的产品方向（只要方向，不要具体型号）。 输出要求：用表格，三列分别是【细分人群】【具体痛点】【产品方向】。 不要列瑜伽垫、保温杯这种已经高度饱和的大众品。 对每个产品方向，标注你的判断是"明确的真实需求"还是"我的推测"。 最后一句"标注真实需求还是推测"非常关键——这是逼 AI 把它的确定性暴露给你。凡是它标"推测"的，你都要去真实平台验证，别信。这一步你能在 10 分钟内拿到 20-30 个候选方向，比你自己空想一下午强得多。 把方向收窄成可搜索的关键词 拿到方向后，让 AI 继续帮你把模糊的方向翻译成亚马逊买家真正会搜的长尾关键词。这一步是连接"创意"和"数据"的桥梁——你后面要拿这些词去 Helium10 / 卖家精灵里查真实搜索量。 直接追问：“把上面表格里的’方向 X’，列出 15 个亚马逊买家可能会搜的英文长尾关键词，按购买意图从强到弱排序，并标注每个词背后的用户在找什么。” 第二步：用真实数据验证需求——这步 AI 帮不上忙 这是整个工作流最重要、也最容易被吹捧文章跳过的一步：AI 给你的所有"市场大、需求旺"的判断，在你用真实数据验证之前，一律当成没说。 为什么？因为 ChatGPT 没有实时联网的亚马逊销量数据，它对"这个词月搜索量多少、竞品月销多少"的回答全是编的（行话叫"幻觉"）。它能编得有鼻子有眼，单位、数字、趋势一应俱全，但和真实情况可能差十倍。 所以拿着第一步的关键词，回到专业数据工具里跑真实数据： ...

你有没有过这种时刻：新品要上架了，价格框里光标闪着，你盯着竞品页面来回刷，最后一咬牙填了个"看着差不多"的数字。卖贵了没人点，卖便宜了不赚钱，过两周再手动改一次——这不叫定价策略，这叫拍脑袋。 真正的定价，是把三件事一次算清楚：竞品在哪些价格带扎堆、你的成本和 FBA 费划出的利润底线在哪、以及什么时候该顺着大促节奏调价。这三件事以前要翻一堆表格，现在可以把数据喂给 AI 做结构化推演。本文给你一套能直接跑的流程：竞品价格带拆解 → 成本利润倒推 → 心理定价卡位 → 促销节奏排期，配一个可复制的定价推演 prompt 和一张价格带决策清单。 说在前头：下文所有 AI 输出都是演示用的示例，价格带、费率数字均为举例，不是真实抓取的市场数据。你自己跑的时候，务必换上你品类的真实竞品价格和你后台的真实费用。 为什么手动定价总是定不准 手动定价的问题不在于你不够努力，而在于三个信息你很难同时抓全： 竞品价格是"一片"不是"一个"：你记住的往往是排名第一那家的价格，但买家看到的是整页十几个价格。真正决定你卖不卖得动的，是这一整片价格的分布长什么样。 成本容易只算一半：很多人只减了进货价，忘了推荐费、FBA 配送费、退货损耗、PPC 分摊。等月底对账才发现"卖了不少却没赚钱"。 促销节奏靠临时反应：Prime Day 前一周才想起来要不要调价，清库存永远是被高额仓储费逼出来的，从来不是提前排好的。 AI 帮不了你谈供应商，但上面这三件"整理信息 + 结构化推演"的活，正好是它的强项。下面一步步来。 第一步：让 AI 拆解竞品价格带 别再盯着单个竞品了。你要的是把同关键词下 TOP 15~20 个竞品的价格、评分、评论数一次性喂给 AI，让它聚成几条"价格带"，告诉你每条带里的竞争密度和差异化空间。 抓竞品数据可以用你顺手的选品插件导出，也可以手动粘一批。然后用这个 prompt： 你是亚马逊定价分析师。以下是"<你的关键词>"搜索结果前 20 个竞品的 数据（价格 / 评分 / 评论数 / 是否 Prime）： <粘贴数据> 请完成： 1. 按价格把它们聚成 3~4 条价格带，给出每条带的价格区间、 商品数量、平均评分和平均评论数； 2. 指出哪条带最拥挤、哪条带有空隙（商品少但需求可能存在）； 3. 对每条带用一句话概括它的买家心智（例如"入门尝鲜""主流放心买""品质溢价"）。 输出用表格。 AI 会给你类似这样的结果（以下为示例，非实测）： 价格带 商品数 平均评分 买家心智 竞争密度 $12–16 8 4.1 入门尝鲜、冲动购买 极高 $17–23 6 4.4 主流放心买 高 $24–30 3 4.6 品质溢价、送礼 中，有空隙 $31+ 2 4.7 小众高端 低 一眼就能看出：$12–16 是红海别硬挤，$24–30 评论数不高但评分好，可能是你差异化卡位的机会。价格带拆解的价值，是把"我该卖多少钱"变成"我该站进哪条带"。 ...